50 ГГц. Кибербезопасность со скоростью света.

Электрооптические блоки объединены для разработки нейроморфного фотонного процессора. Источник. 

«Все вещи суть числа», ‒ признавал Пифагор, и сегодня, 25 веков спустя, мы как никогда близки к пониманию очевидности этого утверждения. Математика постоянна и повсеместна в нашей жизни, ‒ осознаём мы это или нет. Становление и резкий скачок в развитии искусственного интеллекта, по своему значению нередко сравниваемый с Кембрийским взрывом ‒ периодом, означенным всплеском как числа окаменелостей живых существ, так и их разнообразием (за эти 53 миллиона лет появились полипы, беспозвоночные, головоногие, членистоногие и хордовые), ‒ ещё более укоренил в нас понимание значимости «числоведения», поскольку, как и органическая эволюция почти 500 млн лет назад, технологическая сегодня позволяет параллельно обрабатывать огромное количество разнообразнейших операций.

Постепенно из отношений между числами ответвились векторное направление, а затем и матричные операции, которые нашли применение в буквально необозримом богатстве сфер деятельности человека. Тут и фундаментальные науки, и инженерия, статистика, быт, и вычисления. Кстати, сейчас умножение между матрицами считается наиболее затратной по времени и энергии операцией современных ИИ-систем. А причина в том, что наиболее выгодный метод реализации этих вычислений, названный «мозаичным матричным умножением» («tiled matrix multiplication» или TMM), способен их ускорить только за счёт разложения матричных операций на более мелкие части, которые должны быть вычислены одной и той же системой в последовательных временных интервалах. И вроде бы ничего необычного – наши компьютеры любой символ раскладывают на комплект нулей и единиц, ‒ но современные электронные компоненты, на базе которых происходит реализация алгоритмов машинного обучения, используют транзисторы, что приближает их к рубежам собственных возможностей, ведь мы не можем уменьшать транзисторы бесконечно. Вот и получается, что сегодняшний предел вычислений не выходит за тактовые частоты их обеспечивающих процессоров. Сегодня это примерно 2 ГГц.

Эти соображения уже давно задают темп научной гонке за увеличением скорости обработки информации, и свет, обладая такими характеристиками, как сверхвысокие скорости, а также значительная экономия энергии и занимаемой площади, кажется одной из самых обнадёживающих перспектив. 

У одного из научных изысканий на ниве вычислительной фотоники недавно случился прорыв. Группа исследователей WinPhos, возглавляемая профессором Никосом Плеросом из Университета Аристотеля в Салониках, сумела разработать компактный кремниевый фотонный компьютерный процессор, работающий за счёт сил света, способный вычислять ТММ с рекордно высокой тактовой частотой: 50 ГГц! Это более, чем в 13 превышает скорость самого быстрого процессора на планете, которым в прошлом году признано 96-тиядерное устройство EPYC 9654 от AMD, разделяющее вычисления на 192 потока.  

Как сообщается в Advanced Photonics, учёные использовали кремний-германиевые модуляторы электропоглощения и архитектуру нового «нейроморфного» дизайна, благодаря которому можно кодировать и обрабатывать данные. 

«Эта работа прокладывает путь к разрешению приложений на основе глубокого обучения, требующих вычислений с линейной скоростью», ‒ поясняет изюминку метода автор-корреспондент Джордж Джамуяннис. Он считает, что разработка обещает внести значительный вклад в кибербезопасность центров обработки данных.

Кибербезопасность центра обработки данных: свет охотится за злом

Увы, всплеск технологий глубокого обучения снабдил мощными инструментами для ускорения и автоматизации процессов и задач не только порядочных пользователей, но и злоумышленников. Поскольку данные, перемещаемые в ЦОД, увеличиваются из года в год примерно на 13%, они стали основной целью для преступников. Личная информация, данные о финансах, конфиденциальные сведения, интеллектуальная собственность, коммерческая тайна, материалы правительственных учреждений, больниц, вооружённых сил, ‒ всё находится под угрозой, на упреждение которой работает целый пласт технологий и структур, обобщённых уже давно привычным нам названием «информационная безопасность». По этой причине кибербезопасность ЦОД необходима для предотвращения несанкционированного доступа.

Объёмы данных, проходящих через огромное количество серверов и коммутаторов в современных ЦОДах, обусловливают предъявление всё новых требований к средствам и механизмам обнаружения угроз. Осуществление этой задачи в режиме реального времени обязывает проводить проверку пакетов исключительно на сверхвысоких скоростях. Кроме того, угрозы необходимо выявлять как можно раньше ‒ ещё на пути следования вредоносных пакетов, поэтому каждый узел ЦОД должен быть оснащён мощным набором средств кибербезопасности.

Новый процессор как раз и может стать той аналоговой вычислительной платформой, которая требуется для переноса глубоких нейросетей на кремниевые архитектуры, наделяя их сверхвысокими скоростями и энергоэффективностью. Он в состоянии выполнять умножение мозаичных матриц (TMM) с линейной скоростью для поддержки нейроморфных приложений с большим количеством обучаемых параметров ‒ подобно подходу, которому следуют современные электронные графические процессоры.

Учитывая, что по некоторым данным количество необходимой для создания и работы нейросетей глубокого обучения вычислительной мощности удваивается каждые 3,5 месяца, аналоговый вычислительный кремниево-фотонный движок (SiPho), который опирается на согласованную архитектуру и может выполнять оптический TMM на скорости 50 ГГц, открывает прекрасные перспективы для будущего такого рода технологий.

Для вящего испытания своего детища, исследователи связались с экспертами в области кибербезопасности ЦОДов из NVIDIA. Используя новый сверхбыстрый процессор, учёные успешно объединили кремниевую фотонику с ИИ, чтобы создать основу для наискорейшего выявления с линейной скоростью одного из наиболее распространённых типов атак. Речь идёт о так называемых распределённых атаках типа «отказ в обслуживании» (DDoS).

Экспериментальная нейросеть включала 10 нейронов и 64 обучаемых параметра. Она была успешно выполнена с помощью схемы когерентного линейного нейрона (COLN) с двумя входами в составе фотонного ускорителя. Проверка трафика для приложений сетевой безопасности проводилась посредством классификации разведывательных атак. Опыт показал высокие значения точности на максимальной же частоте, на которую вообще был способен фотонный вычислитель ‒ 50 ГГц.

Но это не всё: весьма перспективно и масштабирование этих нейронов ‒ два входа на основе кремниево-германиевых модуляторов электроабсорбции (EAM), используются как для ввода, так и для запоминания «веса» данных. Это может вывести вычисления в более высокое измерение посредством представления когерентной фотонной матрицы, которая обеспечит практическую основу для развёртывания оптических операций TMM уже в многоуровневой компоновке и для устройств большего размера.

С одной стороны, это великолепные новости, а с другой ‒ благодаря этой новой вычислительной схеме вскоре может увеличиться не только число пресечения атак, но и самих киберпреступлений.

АРМК, по материалам SPIE.